Pour construire un bon outil d'extraction automatique de règles dans un ensemble de données, il ne suffit pas d'obtenir des règles, il faut surtout que le jeu de règles obtenu fournisse de la connaissance, donc soit utilisable par l'expert des données. Le jeu de règles idéal est celui qui s'appuie sur de la logique formelle : une petite base de règles, et toutes les autres qui s'en déduisent par transitivite. Malheureusement, les exigences de ce formalisme sont rarement adaptées aux données, et ne produisent dans la plupart des cas, que peu de règles intéressantes. Il faut donc assouplir ce formalisme, pour augmenter le nombre de règles intéressantes. Dans cet article, nous allons voir comment ce formalisme a été modifié dans deux directions différentes, celle des ensembles fréquents, et celle de l'implication statistique, et les propriétés des jeux de règles ainsi construits. Puis nous appliquerons ces deux techniques aux réponses données par une centaine d'étudiants a un questionnaire sur 89 peurs courantes, et nous comparerons les deux jeux de règles obtenus.